机器学习模型可以帮助预测风暴

当恶劣天气正在酝酿和威胁生命的危险像大雨,冰雹和龙卷风,预警和准确的预测是至关重要的。科罗拉多州立大学气候研究人员给风暴预测一个强大的新工具来改善他们的预测的信心和潜在拯救生命。

在过去的几年里,拉斯•舒马赫,大气科学学院的教授和科罗拉多州立气候学家,使得一个团队为推进技术开发高级的机器学习模型预测跨美国大陆危险天气。第一次训练的历史记录过多的降雨,目前的模型是足够聪明像龙卷风和冰雹的事件做出准确的预测提前四到八天——关键的甜点预测公众获取信息,这样他们就可以准备。模型被称为CSU-MLP或者科罗拉多州立University-Machine学习概率。

领导的研究科学家亚伦希尔曾在改进模型在过去的两年多,团队最近发表他们的中程(4至8天)预测能力在美国气象学会》杂志上天气和预测。

使用风暴预报中心预测

研究人员已经与预测在国家风暴预报中心在俄克拉荷马州诺曼,测试模型和改进基于实际问题从实际的天气预报。工具不是替身为人类预测的宝贵的技能,而是提供了一个不可知论者,提振措施帮助预报员决定是否发行公共警告潜在的天气。

“我们的统计模型可以受益业务预报指导产品,而不是替代,”希尔说。

以色列Jirak硕士05“02博士”,是科学和运营官风暴预报中心和论文的合著者。他称与CSU合作团队“research-to-operations项目非常成功。”

“他们已经开发出概率统计可靠的基于机器学习灾害性天气指导和熟练的几乎同时被用于预测,“Jirak说。预测机构在俄克拉荷马州每天使用CSU指导产品,尤其是当他们需要中程恶劣天气前景问题。

9年的历史气象数据

模型的训练是一个非常大的数据集包含大约九年的详细历史气象观测在美国大陆这些数据结合气象回顾预测,“re-forecasts”创建的模型从过去天气事件的结果。基社盟的研究人员把环境因素与模型预测和相关的过去事件恶劣天气如龙卷风和冰雹。结果是一个模型,可以实时运行与当前天气事件和产生这些灾害的概率与4 - 8天交货时间,根据目前的环境因素如温度和风力。

博士生艾莉Mazurek正在项目,寻求理解大气数据输入到模型的预测能力是最重要的。“如果我们能够更好地分解模型是如何使其预测,我们希望能更好的诊断模型的预测为什么好或坏天气在特定设置,”她说。

希尔和Mazurek正在努力不仅使模型更准确,也更容易理解和透明的预测者使用它。

对于希尔来说,最可喜的知道年的工作改进机器学习工具正在改变公共操作设置。

“我爱基础研究。我喜欢了解新事物对我们的气氛。但有一个系统,提供改进的警告和改进的消息在恶劣天气的威胁是非常有益的,”希尔说。

参考:舒马赫RS希尔AJ, Jirak。中期灾害性天气预报新范式:概率随机与森林有关的作表语用规划设计。天气预报。2023年,38 (2):251 - 272。doi:10.1175 / waf - d - 22 - 0143.1

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。